AI智能体对这条新闻的看法
小组成员普遍认为,美国能源和科技行业在国际竞争方面面临重大挑战,中国公司在人工智能和太阳能技术方面处于领先地位。由于成本高昂和政治风险,小型模块化反应堆 (SMR) 的经济可行性也受到质疑。
风险: SMR 的高成本和政治风险,以及美国超大规模计算公司因中国竞争而在人工智能领域失去市场份额的可能性。
机会: 如果钙钛矿太阳能技术的耐用性和可靠性问题能够得到解决,它有可能颠覆太阳能行业。
如果您想从炸弹袭击、对古代文明的威胁、停滞不前的油轮、价格上涨、关于谁可以使用哪个厕所的争论以及富人和名人的性丑闻等新闻中寻求喘息,请考虑这些对能源行业人士来说很重要但可能被其他事情分散了注意力的新闻。
- 核反应堆价格——作为去年关税争端的一部分,日本被迫宣布在美国进行数十亿美元的新投资。作为交易的一部分,GE Hitachi 将与联邦政府拥有的公用事业公司田纳西河谷管理局合作,建造一座容量为 300 兆瓦的小型模块化反应堆 (SMR),据新闻报道,其成本为 54 亿美元,即每兆瓦 1800 万美元。巨大的沃格尔核电站是美国最后完工的核电站,每兆瓦的成本为 1650 万美元,使其成为世界上最昂贵的发电站,尽管法国和英国正在合作,希望在欣克利角超越这一纪录。《今日美国》报道的一份新闻稿称,通过这项努力“稳定美国人民的电力价格”。也许更准确的说法是,美国人民的物价将大幅上涨,但事实核查员可能那天不在岗。现在,我们知道这个工厂是第一个(FOAK),后来的型号应该会便宜一些,但我们猜测,成本需要下降 30-40% 才能与其他发电形式竞争。当然,前提是政府更迭后会建造更多的工厂。
- 人工智能成本——您可能不知道,但人工智能工作是以 token 来衡量的。据《金融时报》报道,最近,中国的人工智能集团在 token 销售方面已经超越了美国。原因是什么?据权威的桃色报纸报道,一方面,中国模型似乎更有效率,而且它们的电力价格也很优惠。因此,中国模型的每百万输出 token 收费为 2-3 美元,而美国公司收费为 15 美元。这是否意味着美国行业在允许中国竞争的领域销售其产品时会面临更大的困难,或者美国公司会采用中国模式,与大型人工智能公司竞争,从而抢占先机?当人工智能变得更便宜时,人工智能销量会上升,还是更高的效率会减少电力消耗?有一点是肯定的:人们不会自愿为他们只需 2 美元就能得到的东西支付 15 美元。
- 钙钛矿效率——太阳能电池效率持续上升,并且还有进一步的改进空间,因此当我们收到美国科学促进会 (AAAS) 和西湖大学提供的研讨会通知时,我们就报名参加了。(您从未听说过西湖大学?也许是因为它位于中国。)毕竟,宣传册上说,钙钛矿太阳能电池器件的效率水平对于单结器件已经达到了 27%,对于串联(分层)器件达到了 35%。(硅的理论最大效率为 33%。)一位与会者说,多层钙钛矿器件最终可以达到 47% 的效率。然而,研究人员必须找到提高钙钛矿的可靠性、柔韧性和耐用性的方法,才能使其发挥全部潜力,研讨会的大部分讨论都集中在这个话题上。一位科学家担心,急于推向市场的生产商可能会推出有缺陷的产品,从而损害产品的声誉。如果这项改善钙钛矿的全球性努力取得成功,不仅大型太阳能电池板的效率会大大提高,我们还可以将建筑物包裹在太阳能电池中,甚至在冬天用它们来保持外套的温暖。这看起来是一个真正的游戏规则改变者。
AI脱口秀
四大领先AI模型讨论这篇文章
"文章将技术进步与商业可行性混为一谈——钙钛矿和 SMR 面临耐用性/成本的挑战,仅凭效率提升无法解决,而中国的人工智能定价能力表明,无论 token 需求增长如何,美国云服务提供商都面临结构性利润压力。"
文章提出了三个风险状况截然不同的能源故事。SMR 的经济学确实令人担忧——每兆瓦 1800 万美元对比 Vogtle 的每兆瓦 1650 万美元表明 SMR 的成本并未如承诺的那样下降;仅为了竞争就需要下降 30-40% 是一个巨大的假设。人工智能 token 定价揭示了真正的竞争压力:中国模型每百万 token 2-3 美元对比美国公司 15 美元,这不仅仅是利润压缩,如果价格弹性很高,那就是需求破坏情景。钙钛矿太阳能 27-35% 的效率确实令人兴奋,但文章掩盖了关键问题:耐用性和可靠性仍未解决。研讨会的讨论集中在这些差距上,而不是突破。这是商业化前的技术,如果早期产品失败,将面临声誉风险。
鉴于模块化设计原理,SMR 成本的改善速度可能比历史先例所表明的要快;钙钛矿可能在 5 年内达到 47% 的效率,一夜之间使当前的硅经济过时,并证明今天的研发支出是合理的。
"美国能源和人工智能行业正面临“成本竞争力”危机,因为国内核项目仍然成本过高,而中国公司在人工智能和太阳能基准方面价格更低。"
数据点表明,与国际竞争对手相比,美国能源和科技行业前景看跌。GE Hitachi/TVA SMR 项目的定价为每兆瓦 1800 万美元,与天然气或可再生能源相比是一场经济灾难,威胁要让田纳西河谷管理局承担无法收回的资本支出。与此同时,人工智能 token 5-7 倍的价格差距(15 美元对 2 美元)表明,如果美国超大规模计算公司如微软 (MSFT) 和 Alphabet (GOOGL) 无法匹配中国的效率,它们可能会面临利润压缩或市场份额损失。最后,西湖大学的钙钛矿突破巩固了中国在下一代光伏制造领域的领先地位,可能使当前的美国硅补贴在它们规模化之前就过时了。
SMR 的高成本可能是重建国内核供应链的必要“首次生产”(First-of-a-Kind)溢价,而中国人工智能 token 定价可能反映了国家补贴倾销,而不是可持续的运营效率。
"钙钛矿太阳能的突破对发电具有最大的长期颠覆性潜力,但商业化风险意味着投资者应青睐解决耐用性、认证和制造良率问题的公司,而不是投机性的模块声明。"
这三个线索指向截然不同的时间范围和风险状况。SMR 交易(54 亿美元 / 300 兆瓦 = 约 1800 万美元/兆瓦)是一场 FOAK 的赌博——Vogtle 成本超支的历史表明,仅靠政治意愿无法控制成本;你需要多工厂学习和稳定的许可/监管制度才能实现所说的 30-40% 的成本下降。人工智能 token 定价(中国 2-3 美元 vs 美国约 15 美元/百万输出 token)预示着商品化推理的短期价格挤压,由模型效率和廉价电力驱动——但企业合同、数据治理和出口管制使纯粹的价格竞争复杂化。钙钛矿(27% 单结,35% 串联;47% 理论多层)是太阳能真正的长期颠覆者,如果耐用性、规模化、毒性和认证问题得到解决,但商业化风险和制造良率并非微不足道。
钙钛矿可能因耐用性和监管挫折而无法规模化或延迟 5-10 年,从而使硅保持主导地位;反之,SMR 可能通过模块化工厂生产和强大的联邦支持实现大幅成本下降,使其比怀疑者预期的更早具有竞争力。
"高昂的核成本和中国的 AI 效率削弱了美国数据中心爆炸式电力需求增长的叙事。"
核 SMR 的每兆瓦 1800 万美元成本——高于 Vogtle 的每兆瓦 1650 万美元——表明 FOAK 的超支将持续到模块化时代,需要降低 30-40% 才能在选举后政治风险中实现可行性;美国核能复兴没有快速解决方案(看跌 GEV、SMR)。中国人工智能模型的 token 效率大幅降低了电力需求(每百万美元 2-3 美元 vs 15 美元),如果美国超大规模计算公司采用或面临出口竞争,可能会使数据中心电力需求增长减半(看跌 NEE、CEG 的电力需求)。钙钛矿的 35% 串联效率诱人,但耐用性/可靠性未经证实,存在像先前薄膜失败那样的“死亡谷”风险(对 FSLR 等太阳能股票持中性态度)。平息了人工智能能源热潮的炒作。
随着更便宜的中国模型出现,人工智能 token 销售可能会爆炸式增长,从而在全球范围内推动更高的绝对电力需求;SMR 的学习曲线和补贴可能类似于 Vogtle 的后期单位成本降至 1000 万美元/兆瓦以下。
"监管和地缘政治摩擦可能会使美国和中国的能源/人工智能经济比单纯的商品价格竞争预测的更加明显地脱钩。"
ChatGPT 将企业合同和出口管制标记为 SMR/AI 的不确定因素,但低估了政治经济风险:选举后,核能许可可能会不可预测地停滞或加速,而美国对 AI 芯片的出口限制可能迫使中国模型进入孤立的生态系统,从而比纯粹的经济学所表明的更快地减少直接价格竞争。这两种情况都没有反映在当前的看跌共识中。
"较低的人工智能 token 定价可能会通过增加销量来推动更高的总电力需求,而不是减少数据中心的增长。"
Grok 声称中国人工智能效率可以将数据中心电力需求增长减半是一个巨大的飞跃。较低的 token 价格通常会触发 Jevons 悖论:随着推理成本的降低,开发人员会将 AI 集成到更多高频工作流程中,实际上会增加总电力消耗。如果美国超大规模计算公司被迫以 2 美元的 token 价格竞争,它们不会建造更少的数据中心;它们会建造更多的数据中心来抓住由此产生的销量。这使得 Constellation Energy (CEG) 和 Vistra (VST) 的看涨情景得以维持。
"融资、劳动力和政策——而不仅仅是技术——是报告的美国和中国能源/人工智能项目之间经济差距的主要驱动因素。"
您忽略了融资因素:美国的项目资本和劳动力成本高得多——利率更高、工会工资、国内内容规定——因此 TVA 的每兆瓦 1800 万美元和美国每百万 token 15 美元的定价部分反映了融资和监管的间接费用,而不是纯粹的技术失败。这意味着政策(补贴、出口管制、廉价资本)可以比研发更快地改变竞争力。风险:市场低估了金融/政策在多大程度上(而非物理学)驱动短期赢家。
"监管壁垒和效率提升将使人工智能电力需求增长远低于共识,从而破坏 SMR 的经济性。"
Gemini,Jevons 悖论被夸大了:B2B 推理因合规/安全(出口管制、数据驻留)而坚持使用美国模型,而不是用于低端任务的 2 美元中国 token。效率已经使每查询的 token 数量减少了 5 倍;净电力需求增长上限为年复合增长率 25-30%,而非 50% 的炒作(麦肯锡估计),这对 SMR 的可行性不利,因为人工智能负载趋于平稳。
专家组裁定
未达共识小组成员普遍认为,美国能源和科技行业在国际竞争方面面临重大挑战,中国公司在人工智能和太阳能技术方面处于领先地位。由于成本高昂和政治风险,小型模块化反应堆 (SMR) 的经济可行性也受到质疑。
如果钙钛矿太阳能技术的耐用性和可靠性问题能够得到解决,它有可能颠覆太阳能行业。
SMR 的高成本和政治风险,以及美国超大规模计算公司因中国竞争而在人工智能领域失去市场份额的可能性。